一种复用运输无人机的城市感知运输协同调度方法

技术特征：

1.一种复用运输无人机的城市感知运输协同调度方法，其特征在于，包括如下步骤：

获取无人机集群执行货物运输任务的同时能够执行城市感知任务的路径集合作为无人机货物运输调度的运输路径集合，并获取相应的运货收益信息、感知收益信息、各组待运输货物的重量信息；

以无人机的最大承载重量、每台无人机能耗上限和无人机集群的能耗预算为约束条件，以无人机集群完成各组待运输货物运输的总收益最大为优化目标，建立无人机货物运输调度的目标函数；所述完成各组待运输货物运输的总收益是无人机集群完成各组待运输货物运输和城市感知任务的运货收益及感知收益的总和；

初始化无人机集群对各组待运输货物的运输载重分配、运输路径分配和感知时间分配方案，在满足约束条件的前提下基于所述目标函数对无人机货物运输调度的运输路径分配和感知时间分配进行优化求解，然后根据所述运输路径分配和感知时间分配的优化解采用贪心算法对所述载重分配方案进行更新寻优，再根据寻优后的载重分配方案再次进行运输路径分配和感知时间分配的优化，由此通过循环更新寻优求得总收益最大的载重分配方案对应的最优解运输路径分配和感知时间分配方案，作为无人机货物运输调度最优方案；

按照所述无人机货物运输调度最优方案，实施无人机集群对各组待运输货物运输的配货运输以及执行城市感知任务的调度。

2.根据权利要求1所述复用运输无人机的城市感知运输协同调度方法，其特征在于，所述无人机货物运输调度的目标函数为：

其中，u为无人机集群完成各组待运输货物运输的总收益；xij为无人机的路径选择变量，xij＝1表示第i个运送小组对应的第j条路径被某台无人机选择来执行运货和感知任务，xij＝0则表示该路径未被选中；表示无人机选择第i个运送小组对应的第j条路径并执行第k个感知任务的感知时间；wij为无人机选择第i个运送小组对应的第j条路径时携带的货物重量；λ表示感知收益权重系数；表示无人机选择第i个运送小组对应的第j条路径并执行第k个感知任务的感知收益函数；τ表示单位重量货物带来的运货收益；i∈[1,2,…,i]，j∈[1,2,…,j]，k∈[1,2,…,kj]，i表示无人机集群划分的运送小组总数，j表示无人机可执行货物运输的运输路径总数，kj表示无人机在第j条路径上可执行城市感知任务的任务数，且k表示无人机可执行城市感知任务的任务总数。

3.根据权利要求2所述复用运输无人机的城市感知运输协同调度方法，其特征在于，所述感知收益权重系数λ通过先验知识或预先数据统计获得。

4.根据权利要求2所述复用运输无人机的城市感知运输协同调度方法，其特征在于，无人机选择第i个运送小组对应的第j条路径并执行第k个感知任务的感知收益函数按照下式确定：

其中，uk表示执行第k个感知任务在单位时间内产生的感知收益；表示执行第k个感知任务的感知收益上限值。

5.根据权利要求2所述复用运输无人机的城市感知运输协同调度方法，其特征在于，所述约束条件包括：

①无人机能耗约束：

p^f(wij)和p^h(wij)分别表示无人机选择第i个运送小组对应的第j条路径携带的货物重量wij的运输能耗功率和感知能耗功率；ei为第i个运送小组的能耗上限；dij表示第i个运送小组对应的第j条路径的长度；v为无人机飞行速度；

②无人机小组划分约束：

ai表示第i个运送小组最多可容纳的无人机数量；i表示无人机集群划分的运送小组总数；

③能耗预算约束：

表示选择第i个运送小组对应的第j条路径参与执行感知任务相比于从第i个运送小组所在位置起点直线飞行到第i个运送小组需到达目的站点而言所带来的运输能耗增量；j∈[1,2,…,j]，k∈[1,2,…,kj]，j表示无人机可执行货物运输的运输路径总数，kj表示无人机在第j条路径上可执行城市感知任务的任务数，且k表示无人机可执行城市感知任务的任务总数；δ为无人机集群用于执行城市感知任务的能耗预算；

④路径选择唯一性约束：

表示路径j至多只能被一个运送小组选择；

⑤货物重量约束：

m表示待运输货物的总数量，分别表示各个待运输货物的重量值；

⑥运输路径和感知时间取值约束：

xij∈{0,1}，

6.根据权利要求1所述复用运输无人机的城市感知运输协同调度方法，其特征在于，通过循环更新寻优求得总收益最大的载重分配方案对应的最优解运输路径和感知时间的具体步骤为：

1)初始化循环次数n＝0，并根据约束条件随机初始化n＝0时的运货重量分配集w⁽ⁿ⁾、运输路径选择集x⁽ⁿ⁾和感知时间分配集t⁽ⁿ⁾；所述运货重量分配集w⁽ⁿ⁾、运输路径选择集x⁽ⁿ⁾和感知时间分配集t⁽ⁿ⁾分别表示无人机集群进行各组待运输货物运送和执行城市感知任务的运货重量分配状态集合、运输路径选择状态集合和感知时间分配状态集合；

2)基于当前第n次迭代的运货重量分配集w⁽ⁿ⁾，将x⁽ⁿ⁾、t⁽ⁿ⁾作为路径-时间联合分配算法的初始解，利用路径-时间联合分配算法优化求解得到第n+1次迭代的运输路径选择集x⁽ⁿ⁺¹⁾和感知时间分配集t⁽ⁿ⁺¹⁾；

3)基于第n+1次迭代的运输路径选择集x⁽ⁿ⁺¹⁾和感知时间分配集t⁽ⁿ⁺¹⁾，使用贪心算法寻优计算得到第n+1次迭代的运货重量分配集w⁽ⁿ⁺¹⁾，并计算第n+1次迭代对应的总收益uⁿ⁺¹；

4)判断当前是否n＝0；若是，则令n自加1，然后返回步骤2)；否则，继续判断当前第n+1次迭代对应的总收益uⁿ⁺¹与前次迭代对应的总收益uⁿ是否满足uⁿ⁺¹＞(1+ε)uⁿ；若满足，则执行步骤5)；若不满足，则跳转执行步骤6)；

5)判断当前循环次数n的取值是否已达到循环次数上限；若是，则执行步骤6)；否则，令n自加1，然后返回步骤2)；

6)输出当前第n+1次迭代的运货重量分配集w⁽ⁿ⁺¹⁾、运输路径选择集x⁽ⁿ⁺¹⁾和感知时间分配集t⁽ⁿ⁺¹⁾，作为总收益最大的载重分配方案对应的最优解运输路径和感知时间。

7.根据权利要求1所述复用运输无人机的城市感知运输协同调度方法，其特征在于，所述步骤2)具体为：

2.1)初始化联合分配循环次数nc＝1，令nc＝1时的已选路径集合令nc＝1时的候选路径集合r表示无人机执行货物运输的所有可选运输路径的集合；

2.2)针对当前的已选路径集合采用局部搜索算法，搜索是否存在路径满足如下条件：

上式中，

且其中约束

且其中约束

其中，ε为预设的大于0且小于1的复杂度参数；xij为无人机的路径选择变量，xij＝1表示第i个运送小组对应的第j条路径被某台无人机选择来执行运货和感知任务，xij＝0则表示该路径未被选中；表示无人机选择第i个运送小组对应的第j条路径并执行第k个感知任务的感知时间，且该步骤中约束wij为无人机选择第i个运送小组对应的第j条路径时携带的货物重量，且该步骤中约束wij∈w⁽ⁿ⁾；λ表示感知收益权重系数；uk表示执行第k个感知任务在单位时间内产生的感知收益；τ表示单位重量货物带来的运货收益；i∈[1,2,…,i]，j∈[1,2,…,j]，k∈[1,2,…,kj]，i表示无人机集群划分的运送小组总数，j表示无人机可执行货物运输的运输路径总数，kj表示无人机在第j条路径上可执行城市感知任务的任务数，且k表示无人机可执行城市感知任务的任务总数；

将满足条件的路径r从已选路径集合中删除，得到经过删除后更新的已选路径集合

2.3)针对当前的已选路径集合以及候选路径集合采用局部搜索算法，搜索是否存在p条路径和2p条路径使得集合满足如下条件：

上式中，

且其中约束

且其中约束

其中，{r^d}p表示p条路径r^d的集合，{r^e}2p表示2p条路径r^e的集合，p为预先设置的路径优化跳数；表示无人机选择第i个运送小组对应的第j条路径并执行第k个感知任务的感知时间，且该步骤中约束wij为无人机选择第i个运送小组对应的第j条路径时携带的货物重量，且该步骤中约束wij∈w⁽ⁿ⁾；

若存在，则令第nc+1次联合分配循环的已选路径集合令第nc+1次联合分配循环的候选路径集合

若不存在，则令第nc+1次联合分配循环的已选路径集合令第nc+1次联合分配循环的候选路径集合

然后，执行步骤2.4)；

2.4)判断是否nc＝n^c+1，n^c为预设的联合分配循环总次数；若是，则执行步骤2.5)；否则，令nc自加1，然后返回步骤2.2)；

2.5)将当前第nc+1次联合分配循环的已选路径集合作为n+1次迭代的运输路径选择集x⁽ⁿ⁺¹⁾，即令并根据约束条件相应更新更新得到第n+1次迭代的感知时间分配集t⁽ⁿ⁺¹⁾。

8.根据权利要求7所述复用运输无人机的城市感知运输协同调度方法，其特征在于，所述步骤2.5)中更新得到第n+1次迭代的感知时间分配集t⁽ⁿ⁺¹⁾的具体方式为：

针对于i∈[1,2,…,i]，j∈[1,2,…,j]，k∈[1,2,…,kj]，

其中，缩写符分别为：

uk表示执行第k个感知任务在单位时间内产生的感知收益；表示执行第k个感知任务的感知收益上限值；p^f(wij)和p^h(wij)分别表示无人机选择第i个运送小组对应的第j条路径携带的货物重量wij的运输能耗功率和感知能耗功率；ei为第i个运送小组的能耗上限；dij表示第i个运送小组对应的第j条路径的长度；v为无人机飞行速度；es表示无人机集群执行感知任务的总能耗，即xij为无人机的路径选择变量，xij＝1表示第i个运送小组对应的第j条路径被某台无人机选择来执行运货和感知任务，xij＝0则表示该路径未被选中，且该步骤中约束xij∈x⁽ⁿ⁺¹⁾；表示无人机选择第i个运送小组对应的第j条路径并执行第k个感知任务的感知时间，且该步骤中约束wij为无人机选择第i个运送小组对应的第j条路径时携带的货物重量，且该步骤中约束wij∈w⁽ⁿ⁾。

9.根据权利要求7所述复用运输无人机的城市感知运输协同调度方法，其特征在于，所述路径优化跳数p的取值为大于0且小于5的自然数；所述联合分配循环总次数n^c按照拟阵约束的数量值取为n^c＝2。

技术总结
本发明公开了一种复用运输无人机的城市感知运输协同调度方法，通过对路径选择、感知时间分配、运货重量分配的联合优化问题进行合理分解，采用分步寻优求解的方式，有效实现了对复用运输无人机城市感知运输协同调度的方案优化，且寻优运算效率和运算进度都具备较高水准，有利于更好的复用运输无人机执行城市感知任务，从而帮助提高城市无人机资源的利用率，降低无人机集群执行货物运输和城市信息感知任务的综合能量消耗及资源消耗，优化提高城市无人运行的综合经济效益，能够用以实现低成本、大规模的城市感知。

技术研发人员：向朝参;周彦霖;杨朝山;陈瑞;屈毓锛
受保护的技术使用者：重庆大学
技术研发日：2021.03.25
技术公布日：2021.07.23